买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利基于梯度识别参数调优的物理场预测方法、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121598804B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610113186.4，技术领域涉及：G06F30/27；该发明授权基于梯度识别参数调优的物理场预测方法、设备及介质是由贾婷婷;彭钱;李亚娟设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本基于梯度识别参数调优的物理场预测方法、设备及介质在说明书摘要公布了：本发明涉及物理场预测技术领域，具体涉及基于梯度识别参数调优的物理场预测方法、设备及介质，所述方法包括基于物理问题确定时空计算域，并确定该物理问题的控制方程、初始条件约束和边界条件约束；构建训练样本数据集；初始化神经网络的参数，对神经网络进行预训练；获取预训练后的神经网络参数，识别高贡献度神经块；基于高贡献度神经块，对神经网络结合点权重进行参数微调迭代，得到物理场预测模型；将待求解点的时空坐标输入物理场预测模型，得到该点的物理场预测值。本发明方法提出的自适应算法框架及分阶段训练策略，让模型适应不同的偏微分方程和梯度分布特征，从而降低了物理信息神经网络的使用门槛。

本发明授权基于梯度识别参数调优的物理场预测方法、设备及介质在权利要求书中公布了：1.一种基于梯度识别参数调优的物理场预测方法，其特征在于，包括如下步骤： S1：基于物理问题确定时空计算域，并确定该物理问题的控制方程、初始条件约束和边界条件约束； S2：在所述时空计算域内分别选取初始点、边界点以及用于计算偏微分方程残差的内部残差点，构建训练样本数据集； S3：初始化神经网络的参数，对神经网络进行预训练，训练损失基于初始条件约束、边界条件约束和偏微分方程的残差构建； S4：获取预训练后的神经网络参数，识别高贡献度神经块； S5：基于高贡献度神经块，对神经网络结合点权重进行参数微调迭代，得到物理场预测模型； S6：将待求解点的时空坐标输入物理场预测模型，得到该点的物理场预测值； 在S4中，识别高贡献度神经块的过程包括： 获取预训练更新后的神经网络参数，在内部残差点集上计算解偏微分方程的梯度范数集合，表示残差点的梯度范数； 根据预设的高梯度比例P，确定阈值为的1-P分位数，从而识别出高梯度区域点集； 在梯度范数集中识别高梯度区域点集，其中，表示预测模型，表示模型的输入，表示预设的阈值； 针对神经网络最后一个隐藏层中的各个神经块，在高梯度点集上计算每个神经块的贡献度，表达式如下： ； 其中，表示神经块的贡献度，表示神经块在处的激活值，表示神经块的参数权重范数； 将神经块的贡献度进行归一化计算，表达式如下： ； 其中，表示归一化贡献度，表示最后一个隐藏层的神经块数量，表示神经块的贡献度，。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。